何恺明团队提出 NAT-ARC：用 ImageNet 猫狗图预训练，纯视觉方案逼近 ARC 专用 LLM

何恺明团队提出纯视觉 ARC 解题方案 NAT-ARC，用 ImageNet 上的 MAE 预训练 encoder，再迁移到抽象格子推理。表现最好的单模型为 0.6B 参数，在 ARC-1 上取得 63.4% pass@2，集成后达 70.2%，总参数量约 2B。作为参照，专门微调的 The ARChitects 用 8B 语言模型拿到 71.6%。